ASAVACT:使用深度学习对与疫苗相关的COVID-19推文进行阿拉伯语情绪分析
Sarah Alhumoud1, Asma Al Wazrah1, Laila Alhussain1
1Department of Computer Science, College of Computer and Information Sciences, Al-Imam Mohamed Ibn Saud Islamic University, Riyadh, Saudi Arabia.
PeerJ. Computer science
|December 11, 2023
概括
这项研究引入了首个大型的阿拉伯语数据集COVID-19疫苗推特,ASAVACT. 一个集体深度学习模型实现了最佳情绪分析结果,提高了与疫苗有关的讨论的准确性.
科学领域:
- 自然语言处理自然语言处理.
- 计算社会科学 计算社会科学
- 公共卫生信息学 公共卫生信息学
背景情况:
- 社交媒体平台对于公众对COVID-19流行病的讨论至关重要.
- 疫苗情绪是一个备受争议的话题,有不同的支持疫苗和反对疫苗的观点.
- 在阿拉伯语中分析有关COVID-19疫苗的公众情绪对于理解社会反应至关重要.
研究的目的:
- 开发和呈现与疫苗相关的COVID-19推文 (ASAVACT) 数据集的阿拉伯情绪分析.
- 为了量化有关COVID-19疫苗的阿拉伯语推文中的情绪极性.
- 评估深度学习模型在阿拉伯语情绪分析领域的表现.
主要方法:
- 创建了关于COVID-19疫苗接种的最大的人类注释的阿拉伯语Twitter群体 (32,476条推文).
- 使用了最先进的深度学习模型:堆叠门循环单元 (SGRU),堆叠双向门循环单元 (SBi-GRU).
- 实现了一个整体架构,将SGRU,SBi-GRU和AraBERT结合起来,用于增强情绪分析.
主要成果:
- ASAVACT数据集是第一个也是最大的人类注释数据集,用于阿拉伯疫苗相关的推文.
- 与单个模型相比,整体模型表现出优异的性能.
- 整体模型在情绪分析中至少提高了7%的准确性.
结论:
- 开发的整体模型有效地分析了阿拉伯语COVID-19疫苗推文中的情绪.
- ASAVACT数据集为研究阿拉伯语人口中公众论和疫苗犹提供了宝贵的资源.
- 这项工作突出了深度学习的潜力,以了解社交媒体上的公共卫生话语.
